Información administrativa
| Título | Redes neuronales convolucionales |
| Duración | 60 |
| Módulo | B |
| Tipo de lección | Conferencia |
| Enfoque | Técnico — Aprendizaje profundo |
| Tema | Aprendizaje profundo |
Keywords
CNN, Pitón, Aprendizaje Profundo,
Objetivos de aprendizaje
- Saber qué es una CNN y sus principales diferencias con NN sensiblemente conectada
- Conocer la principal diferencia entre las capas conectadas localmente a las convolucionales
- Para saber cómo configurar una capa de CNN
- Capas de puesta en común y normalización por lotes
- Para conocer las CNNs más famosas: LeNet, AlexNet, ResNet, VGG16, AllConvNet
Preparación prevista
Eventos de aprendizaje que se completarán antes
Obligatorio para los estudiantes
- Teoría sobre redes neuronales artificiales
Opcional para estudiantes
- Ninguno
Referencias y antecedentes para estudiantes
- Goodfellow, I., Bengio, Y., y Courville, A. (2016). Aprendizaje profundo. Prensa del MIT. — Capítulo 9
Recomendado para profesores
- Goodfellow, I., Bengio, Y., y Courville, A. (2016). Aprendizaje profundo. Prensa del MIT. — Capítulo 9
Material didáctico
Instrucciones para profesores
Esta conferencia presentará a los estudiantes las redes neuronales convolucionales (CNN), explicando las principales diferencias entre las capas clásicas totalmente conectadas y las convolucionales. Se introducen y discuten las ventajas del reparto de peso dada por la Capa Convolucional, junto con una comparación con las capas localmente conectadas. Se introduce el operador de convolución, y el tamaño del núcleo, la zancada y el relleno se discuten como los principales hiperparámetros de una capa convolucional. Luego, las capas de Normalización de Pooling y Batch se introducirán como parte de varias arquitecturas de CNN. Para entender mejor lo que una capa convolucional ha aprendido, se introducirán posibles formas de visualizar los filtros aprendidos. Finalmente, se presentará una introducción a las arquitecturas más famosas de CNN como NetworkInNetwork y LeNet.
- Introducción a CNNs
- Principales problemas sobre las capas totalmente conectadas para datos de alta dimensionalidad
- Operador convolucional
- Descripción de una capa convolucional en términos de neuronas
- Capas convolucionales
- Principales propiedades de una capa convolucional
- Conectividad local
- Reparto del peso
- Hiperparámetros de capa convolucional
- Tamaño del filtro
- Stride
- Relleno
- Principales propiedades de una capa convolucional
- Puesta en común de capas
- Visualización de capas
- Arquitecturas conocidas
- LeNet
- Nin
Horario
| Duración (min) | Descripción | Conceptos | Actividad | Material |
|---|---|---|---|---|
| 10 | Introducción a CNNs | |||
| 15 | Capas convolucionales | |||
| 5 | Puesta en común de capas | |||
| 15 | Visualización de capas | |||
| 15 | Arquitecturas conocidas |
Reconocimientos
Agradecemos a Eng. Andrea Apicella por su contribución en el desarrollo del material.
El programa de maestría en IA centrada en el ser humano fue cofinanciado por el Mecanismo «Conectar Europa» de la Unión Europea en virtud de la subvención «CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068».